Insiders: DeepSeek is forming a Harness team to compete with Claude Code

نویسنده｜وانگ بو، Jiazi Light Year

«Jiazi Light Year» از منابع نزدیک به DeepSeek مطلع شده است که این شرکت در حال سازماندهی یک تیم Harness جدید با تمرکز بر محصولات عامل هوشمند کدنویسی است که به صورت داخلی با Claude Code از شرکت Anthropic محک‌زنی می‌شود.

چن دلی، محقق ارشد DeepSeek، اخیراً این موضوع را در شبکه‌های اجتماعی تأیید کرد و گفت: «DeepSeek در حال سازماندهی یک تیم Harness جدید برای کار بر روی محصولات و تحقیقات در حوزه Harness است» و صراحتاً افزود: «به زبان ساده، این کار برای محک‌زنی Claude Code و ایجاد DeepSeek Code Harness است.»

این یک استخدام معمولی نیست.

آگهی‌های شغلی نشان می‌دهند که DeepSeek دو موقعیت کلیدی را باز کرده است: مدیر محصول Harness و مهندس تحقیق و توسعه Harness، که محل کار فعلاً به پکن محدود شده است. دفتر DeepSeek در پکن در مرکز اطلاعات Rongke در منطقه هایدیان واقع شده که به دانشگاه پکن و دانشگاه تسینگ‌هوا بسیار نزدیک است. به طور رسمی، این مکان در «کمربند نوآوری هوش مصنوعی پکن-ژانگ» قرار دارد و به طور غیررسمی، در منطقه محبوب اخیر یعنی «منطقه وانگ هوی‌ون» واقع شده است.

تعریف اصلی: مدل + Harness = عامل (Agent)

در شرح شغل، یک فرمول اصلی به وضوح نمایش داده شده است:
مدل + Harness = عامل.

این عبارت را تقریباً می‌توان تعریف داخلی DeepSeek از مسیر تولید محصول برای مرحله بعدی دانست: خود مدل صرفاً پایه و اساس عامل است، در حالی که مدیریت زمینه، فراخوانی ابزار، برنامه‌ریزی وظایف، خواندن و نوشتن فایل، اصلاح کد، اجرای ترمینال، جمع‌آوری بازخورد و حلقه‌های ارزیابی در خارج از مدل، بخش‌های کلیدی هستند که به عامل اجازه می‌دهند واقعاً وارد جریان کاری شود.

در ادامه آگهی شغلی آمده است: «ما در حال تبدیل قابلیت‌های مدل پیشرفته DeepSeek به محصولات عامل پیشرو هستیم. تمام کارهای خارج از خود مدل در محدوده Harness قرار می‌گیرد.» علاوه بر این، این موقعیت در کل فرآیند «محصول عامل دسکتاپ DeepSeek» مشارکت خواهد داشت و «تعریف DeepSeek از درک Harness را مشخص می‌کند.»

«Jiazi Light Year» تحلیل می‌کند که DeepSeek صرفاً به دنبال ایجاد یک افزونه دستیار کدنویسی نیست، بلکه در حال پر کردن لایه میانی است که مدل را به جریان کاری واقعی متصل می‌کند.

در طول سال گذشته، صنعت ثابت کرده است که قابلیت‌های کدنویسی قوی به معنای استفاده واقعی توسعه‌دهندگان از آن‌ها نیست؛ مدلی که می‌تواند کد بنویسد به این معنی نیست که می‌تواند یک وظیفه مهندسی را به طور مداوم تکمیل کند.

آنچه واقعاً شیوه کار توسعه‌دهندگان را تغییر می‌دهد، یک مدل مستقل Claude نیست، بلکه Claude Code است؛ نه یک مدل مستقل GPT، بلکه Codex؛ نه یک پاسخ کد در جعبه چت، بلکه یک عامل هوشمند مهندسی است که می‌تواند وارد ترمینال شود، پروژه‌ها را درک کند، فایل‌ها را بخواند و بنویسد، دستورات را اجرا کند، خطاها را رفع کند، Git را مدیریت کند و ابزارها را فراخوانی کند.

بزرگترین نقطه قوت DeepSeek در گذشته مدل بود. اکنون، شروع به اضافه کردن آن لایه «دست‌ها» در بالای مدل کرده است.

۱. چرا DeepSeek بر Harness تأکید دارد

در زمینه محصولات هوش مصنوعی سنتی، «دستیار کدنویسی» معمولاً به دو نوع محصول اشاره دارد: یکی افزونه تکمیل کد در IDE و دیگری پرسش و پاسخ کد در جعبه چت.

با این حال، اصطلاحی که مکرراً در استخدام‌های DeepSeek ظاهر می‌شود، دستیار کدنویسی نیست، بلکه Harness است.

Harness در اصل در زمینه مهندسی به «تست هارنس» یا «چارچوب اجرا» اشاره دارد و در زمینه عامل، به سیستمی نزدیک‌تر است که واقعاً مدل را قادر به اقدام می‌کند. مدل مسئول درک، استدلال و تولید است، در حالی که Harness مسئول ادغام این قابلیت‌ها در محیط واقعی است.

در شرح شغل ذکر شده است که این نقش باید نقشه راه محصول DeepSeek Harness را برنامه‌ریزی کند، محققان، مهندسان، جوامع متن‌باز و کاربران نهایی را به هم متصل کند و با محققان تیم آموزش مدل برای دستیابی به تکامل مشترک مدل و Harness ارتباط عمیقی برقرار کند.

این بیانیه بسیار حیاتی است.

این نشان می‌دهد که آنچه DeepSeek می‌خواهد انجام دهد، صرفاً قرار دادن مدل موجود در یک پوسته نیست، بلکه تبدیل خود محصول عامل به بخشی از تکامل مدل است. در گذشته، منطق محصول رایج برای شرکت‌های مدل بزرگ این بود: تیم تحقیق ابتدا یک مدل را آموزش می‌دهد و سپس تیم محصول بر اساس قابلیت‌های مدل، برنامه‌های کاربردی ایجاد می‌کند. با این حال، در عصر عامل، این ترتیب در حال تغییر است. محصولات دیگر فقط خروجی قابلیت‌های مدل نیستند، بلکه زمین تمرینی برای آن قابلیت‌ها هستند.

شکست یک عامل کد در یک پروژه واقعی ممکن است به دلیل مسائل تعامل محصول نباشد، بلکه به دلیل فشرده‌سازی نادرست زمینه‌های طولانی توسط مدل باشد؛ ممکن است مشکل زنجیره فراخوانی ابزار نباشد، بلکه استراتژی ناپایدار مدل برای تجزیه وظایف باشد؛ یا ممکن است عدم توانایی کدنویسی نباشد، بلکه ناتوانی آن در حفظ درک مداوم از محدودیت‌های مهندسی، بازخورد تست و قصد کاربر باشد.

بنابراین، ارزش تیم Harness فقط «ساخت محصول» نیست، بلکه تبدیل وظایف توسعه واقعی به منبع بازخورد برای تکامل مداوم مدل است.

۲. چرا DeepSeek باید شکاف Code Harness را پر کند

DeepSeek مدت‌هاست که روی قابلیت‌های کدنویسی شرط‌بندی کرده است. از DeepSeek-Coder تا DeepSeek-Coder-V2، سرمایه‌گذاری DeepSeek در مدل‌های کد افزایش یافته و از بهبود در زبان، طول زمینه و قابلیت‌های وظایف پیچیده پشتیبانی کرده است. مشکل آن عدم توانایی کدنویسی نیست، بلکه این است که این قابلیت عمدتاً در سطح مدل باقی مانده و هنوز به یک محصول با فرکانس بالا در جریان‌های کاری روزانه توسعه‌دهندگان تبدیل نشده است.

محبوبیت Claude Code یک چیز را ثابت می‌کند: رقابت در کدنویسی هوش مصنوعی از رقابت در قابلیت‌های مدل به رقابت برای نقاط ورود به جریان‌های کاری توسعه‌دهندگان تغییر یافته است.

این درسی است که DeepSeek اکنون باید بیاموزد. نکته ظریف‌تر این است که قبل از اینکه DeepSeek رسماً اقدام کند، جامعه توسعه‌دهندگان قبلاً نسخه‌ای از «Claude Code برای DeepSeek» ایجاد کرده بودند.

یک پروژه متن‌باز به نام DeepSeek-TUI قبلاً در جامعه توسعه‌دهندگان محبوب شد. این یک عامل کدنویسی است که در ترمینال اجرا می‌شود و می‌تواند فایل‌ها را بخواند و بنویسد، دستورات shell را اجرا کند، در وب جستجو کند، Git را مدیریت کند و عامل‌های فرعی را از طریق رابط TUI هماهنگ کند.

ظهور DeepSeek-TUI به دو موضوع اشاره دارد:

1. بلوغ ذهنی پایه: مدل DeepSeek قبلاً جایگاه خود را در ذهن توسعه‌دهندگان برای تبدیل شدن به یک عامل کد تثبیت کرده است. در غیر این صورت، جامعه به طور طبیعی برای ایجاد محصولات مشابه Claude Code حول آن شکل نمی‌گرفت.

2. غیبت در سطح رسمی: آنچه DeepSeek فاقد آن است، توجه به مدل نیست، بلکه Harness رسمی است.

در نگاه توسعه‌دهندگان، جذابیت DeepSeek-TUI ساده است: هزینه کم، در دسترس بودن در داخل کشور، زمینه طولانی و موانع استقرار نسبتاً کم. بسیاری از توسعه‌دهندگان داخلی نمی‌خواهند از Claude Code استفاده کنند، اما با محدودیت‌های قیمت، دسترسی، سیستم‌های حساب کاربری و انطباق شرکتی مواجه هستند.

با این حال، پروژه‌های جامعه نیز مرزهای ذاتی دارند:

• مهم نیست که یک پروژه متن‌باز شخص ثالث چقدر فعال باشد، درک ریتم تکاملی قابلیت‌های داخلی مدل دشوار است؛

• می‌تواند با API سازگار شود، اما نمی‌تواند به صورت معکوس در مورد نحوه آموزش مدل تصمیم بگیرد؛

• می‌تواند پرامپت‌ها، زنجیره‌های ابزار و تعاملات را بهینه کند، اما تزریق سیستماتیک بازخورد وظایف واقعی عظیم به بهبودهای مدل چالش‌برانگیز است.

اهمیت Harness رسمی دقیقاً در همین جا نهفته است.

Code Harness اختصاصی DeepSeek چندین مزیت دارد که پروژه‌های جامعه فاقد آن هستند: همکاری با تیم مدل، مرجع طراحی رابط، حلقه‌های بازخورد داده‌های آموزشی، سناریوهای وظیفه واقعی داخلی و قابلیت‌های عملیاتی بلندمدت برای اکوسیستم توسعه‌دهندگان.

جامعه متن‌باز راه را هموار کرده است: توسعه‌دهندگان واقعاً به نسخه DeepSeek از Claude Code نیاز دارند. اکنون، DeepSeek باید این مسیر را بازپس گیرد و آن را به محصول اصلی خود تبدیل کند.

این واقعیت که DeepSeek اکنون شروع به استخدام کرده است، به این معنی است که بالاخره آماده است تا خود وارد میدان شود.

چن دلی در کنفرانس جهانی اینترنت ۲۰۲۵ در ووجن در نوامبر گذشته اشاره کرد: «یکی از مزایای اصلی ما بلندمدت‌نگری است، با اصرار بر ایجاد پیشرفت در هوش پیشرفته به عنوان خط اصلی. در این فرآیند، ما بسیاری از پروژه‌های جانبی را رها کرده‌ایم و در آن تلاش‌های کوتاه‌مدت و زودبازده شرکت نمی‌کنیم.»

پس از جنگ‌های مدل، جنگ‌های واقعی عامل آغاز شده است. آنچه DeepSeek باید در این زمان پر کند، حیاتی‌ترین لایه بین مدل و عمل است—Harness.

DeepSeek در حال مجهز کردن مدل خود به یک جفت دست است.